Por tanto, O sinal de covariância mostra a tendência de ligação linear entre as variáveis. A magnitude da covariância não é fácil de interpretar porque não é normalizada e, por tanto, depende das magnitudes das variáveis. A versão padronizada da covariância, conhecido como coeficiente de correlaçãoApesar disto, mostra por sua magnitude a força da ligação linear.
Por tanto, Deve ser feita uma distinção entre:
- A covariância de duas variáveis aleatórias, que é um parâmetro populacional que pode ser visto como uma propriedade da distribuição de probabilidade conjunta; e
- Covariância da amostra, que ao mesmo tempo servem como descritor da amostra, Serve também como um valor estimado do parâmetro populacional..
Essa função retorna a última covariância (shows), a média dos produtos dos desvios para cada par de pontos de dados em dois conjuntos de dados. Usado para estabelecer o vínculo entre dois conjuntos de dados. Como um exemplo, pode examinar se os rendimentos mais elevados acompanham os níveis mais elevados de educação.
o CORVARIÂNCIA. S A função usa a seguinte sintaxe para operar:
CORVARIÂNCIA. S (matriz1, matriz2)
o CORVARIÂNCIA. S A função tem os seguintes argumentos:
- matriz1: Isso é obrigatório e representa o primeiro intervalo de células inteiras
- matriz2: isso também é necessário. Este é o segundo intervalo de células inteiras.
Deve-se notar ao mesmo tempo que:
- Esta função substituiu uma função anterior (COVAR) e deve fornecer maior precisão e um nome que reflita melhor seu uso
- Os argumentos devem ser números ou nomes, matrizes ou referências contendo números
- Se uma matriz ou argumento de referência contiver texto, valores lógicos ou células vazias, esses valores são ignorados; Apesar disto, células com valor zero são incluídas
- E matriz1 e matriz2 ter um número diferente de pontos de dados, COVARIÂNCIA. S devolver o #N / UMA valor de erro
- se houver matriz1 o matriz2 está vazio, COVARIÂNCIA. S devolver o # DIV / 0! valor de erro.
Por favor, veja meu exemplo abaixo:
